5 月 1 日消息，微軟昨日（4 月 30 日）發布 Phi-4-reasoning 系列推理模型，通過監督微調 Phi-4，并利用 o3-mini 生成的高質量“可教導”提示數據集訓練，專為復雜推理任務設計。
IT之家援引博文介紹，微軟本次共推出 Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning 三款模型，官方稱該系列模型不僅延續了小型模型的高效特性，還在推理能力上實現重大突破。
該系列模型通過推理時間擴展（inference-time scaling）技術，擅長處理需要多步驟分解和內部反思的復雜任務，尤其在數學推理和代理型應用中表現突出，具備媲美大型前沿模型的潛力。
Phi-4-reasoning 是一款擁有 140 億參數的開源推理模型，通過監督微調（Supervised Fine-Tuning，SFT）Phi-4，結合 OpenAI o3-mini 的高質量推理演示數據，并充分利用額外計算資源，生成詳細的推理鏈條。
Phi-4-reasoning-plus 增強版通過強化學習（Reinforcement Learning，RL）進一步提升性能，tokens 用量比標準版多 1.5 倍，支持更高精度。
兩款模型在數學推理和博士級科學問題測試中，均超越 OpenAI o1-mini 和
DeepSeek-R1-Distill-Llama-70B，甚至在 AIME 2025（美國數學奧林匹克資格賽）中擊敗 6710 億參數的 DeepSeek-R1 滿血模型。
Phi-4-mini-reasoning 專為計算資源有限的環境設計，是一款基于 Transformer 的緊湊型語言模型，優化用于數學推理。
